Рекомендуемая нагрузка: 5–7 часов в неделю небольшими сессиями. Полный маршрут занимает примерно 8 недель.
| Неделя | Тема | Зачем | Практический результат |
|---|---|---|---|
| 1 | LLM, токены, контекст, API, Ollama | Понять, где находится модель и как приложение получает ответ | Скрипт отправляет запрос локальной и облачной модели |
| 2 | Prompts, structured output, Pydantic | Получать предсказуемый результат вместо свободного текста | Ответ модели валидируется по JSON-схеме |
| 3 | Инструменты и agent loop | Научить модель выбирать действие, но не давать ей неограниченный доступ | Агент с двумя безопасными инструментами |
| 4 | Состояние, память и ограничения | Продолжать задачу между шагами и контролировать расходы | История сессии, лимиты и журнал действий |
| 5 | Embeddings и RAG | Подключать документы клиента без переобучения модели | Помощник отвечает с цитатами из документов |
| 6 | Evaluation и pytest | Измерять качество, а не верить красивому демо | Набор эталонных вопросов и автоматический отчёт |
| 7 | FastAPI, Docker и установка | Передавать решение клиенту воспроизводимым способом | Локальный сервис, health check и инструкция запуска |
| 8 | Безопасность и упаковка услуги | Не раскрывать секреты и чётко ограничивать ответственность | Клиентское ТЗ, acceptance criteria, rollback и портфолио |
Контрольные точки
- После 2-й недели: можно брать небольшие заказы на prompts, structured output и настройку Ollama.
- После 4-й недели: можно делать локальных помощников с ограниченными инструментами.
- После 6-й недели: можно предлагать RAG по документам с измеримой проверкой качества.
- После 8-й недели: можно продавать установку AI-агента под ключ с тестами и документацией.
Первый рабочий цикл
Каждая лабораторная работа выполняется одинаково:
- Сформулировать пользовательскую задачу.
- Записать критерии PASS/FAIL.
- Собрать минимальную реализацию.
- Проверить её вручную.
- Добавить автоматические тесты.
- Зафиксировать ограничения и ошибки.
- Обновить инструкцию запуска.